Deep Learning Deteksi Dan Klasifikasi Penyakit Daun Tomat Menggunakan ResNet-50
Abstrak
Tomat adalah makanan yang populer diseluruh dunia, terutama di indonesia. Banyak petani tomat yang mengalami gagal panen akibat kurangnya pemahaman dan keterlambatan dalam mengenali penyakit yang menyerang tanaman mereka. Tujuan dari penelitian ini adalah untuk mengidentifikasi dan menilai jenis penyakit pada daun tomat berdasarkan tren, sumber data, metodologi, dan karakteristik yang digunakan dalam mendeteksi penyakit pada daun tomat. Dataset yang digunakan bersumber dari kaggle terdiri dari 10 kelas dan berisikan total 11.000 gambar. Pembagian data yang digunakan terdiri data latih 90% dan data uji 10%. Dilakukan proses augmentasi dan fine-tuning bertujuan mengurangi over fitting. Penelitian ini menggunakan algoritma ResNet-50 untuk mendeteksi dan mengklasifikasikan penyakit pada daun tomat. ResNet akan membandingkan gambar daun untuk mengklasifikasikan nya dengan 10 kelas penyakit yang ada pada dataset. Dari metode resnet didapatkan nilai rata-rata akurasi sebesar 93%. Hal tersebut menunjukkan bahwa metode ResNet-50 untuk klasifikasi gambar dapat menghasilkan akurasi yang akurat dalam memecahkan masalah dunia nyata.
Identifier
- OpenAlex: https://openalex.org/W4411772064
- DOI: https://doi.org/10.37859/coscitech.v6i1.8501

